[論文レビュー] Effectiveness and Compliance to Social Distancing During COVID-19

Kristi Bushman, Konstantinos Pelechrinis+1 more|arXiv (Cornell University)|Jun 23, 2020

COVID-19 epidemiological studies参考文献 22被引用数 13

ひとこと要約

本研究では、2020年1月以降に米国の全人口をカバーするSafeGraphの匿名化・集計済み移動データを用い、週単位の自宅滞在者割合が3週間の遅れをもってCOVID-19関連死亡者数を因果的に予測することを示した。死亡者数が移動行動に影響を及けるフィードバックは検出されなかった。さらに、行動抑制のデモグラフィック格差を特定するためのベータ回帰フレームワークを構築した。その結果、年齢が高く、マイノリティである人々は若年層や白人層に比べて移動抑制を示さなかったが、これは収入関連の制約によるものであった。

ABSTRACT

In the absence of pharmaceutical interventions to curb the spread of COVID-19, countries relied on a number of nonpharmaceutical interventions to fight the first wave of the pandemic. The most prevalent one has been stay-at-home orders, whose the goal is to limit the physical contact between people, which consequently will reduce the number of secondary infections generated. In this work, we use a detailed set of mobility data to evaluate the impact that these interventions had on alleviating the spread of the virus in the US as measured through the COVID-19-related deaths. To establish this impact, we use the notion of Granger causality between two time-series. We show that there is a unidirectional Granger causality, from the median percentage of time spent daily at home to the daily number of COVID-19-related deaths with a lag of 2 weeks. We further analyze the mobility patterns at the census block level to identify which parts of the population might encounter difficulties in adhering and complying with social distancing measures. This information is important, since it can consequently drive interventions that aim at helping these parts of the population.

研究の動機と目的

• 移動データを用いて、自宅待機措置の効果がCOVID-19死亡者数の削減に与える影響を評価すること。
• 社会的距離の取り方に対する遵守が低いとされるデモグラフィックグループを同定すること。
• 移動データおよび過去の死亡者数データを用いて、週単位の死亡者数を予測するモデルを構築すること。
• 全人口をカバーする米国の世帯調査ブロックグループ単位で、移動パターンと遵守度を可視化するための動的ダッシュボードを作成すること。
• 遵守度の格差の背後にあるメカニズム、特に収入および必須職務の役割を明らかにすること。

提案手法

• 週単位の自宅滞在者割合が3週間の遅れをもって将来のCOVID-19死亡者数を予測するかを検証するため、Granger因果関係を適用する。
• 自己回帰的および移動関連の特徴量を用いて、週単位の死亡者数予測の短期予測モデルを構築する。
• 世帯調査ブロックグループレベルでの自宅滞在時間の割合を、デモグラフィック共変量を用いてモデル化するため、ベータ回帰を用いる。
• 自宅待機措置の前後における移動行動のパターンを分析し、特定のデモグラフィックグループに関連する乖離を同定する。
• 時間的推移と空間的マッピングを併用したインbound/outbound移動の可視化を実現するインタラクティブダッシュボードを構築する。
• SafeGraph社が提供する、2020年1月以降に米国全世帯調査ブロックグループをカバーする1800万台のデバイスを対象とした匿名化・集計済み移動データを用いる。

実験結果

リサーチクエスチョン

• RQ1 自宅滞在者割合が3週間の遅れをもってCOVID-19関連死亡者数に因果的に影響を与えるか？
• RQ2 移動行動と報告された死亡者数の間には、相互作用的因果関係（フィードバック効果）があるか？
• RQ3 どのデモグラフィックグループが社会的距離の取り方に対して遵守度が低く、その違いを説明する要因は何か？
• RQ4 移動行動パターンとデモグラフィックデータを用いて、将来の週単位の死亡者数を妥当な精度で予測できるか？
• RQ5 パンデミック期における米国の世帯調査ブロックグループにおける移動行動に、空間的およびデモグラフィック的なパターンは見られるか？

主な発見

• 自宅滞在者割合が週単位で変化するのに対して、COVID-19関連死亡者数に3週間の遅れをもって、単一方向のGranger因果関係が確認された。
• 相互作用的因果関係（フィードバック）の証拠は得られず、死亡者数が移動行動の変化に影響を与えていないことが示された。
• ベータ回帰モデルにより、高齢者および人種的マイノリティが若年層や白人層に比べて自宅滞在時間の増加が小さかったことが明らかになった。
• 収入格差が、デモグラフィックグループ間での移動抑制の差を説明する重要な要因であることが判明した。
• 移動データおよび死亡者数データを用いた予測モデルは、週単位の死亡者数予測において優れた予測性能（Out-of-sample性能）を示した。
• インタラクティブダッシュボードにより、世帯調査ブロックグループレベルでの移動フロー、遵守度、およびデモグラフィックプロファイルの可視化が可能になった。